張偉峰 郭大琦 阮箴 張家浩 方智淳

摘 要：目前電力企業(yè)非常重視大客戶(hù)和居民客戶(hù)的分析和研究工作，針對(duì)中小客戶(hù)的產(chǎn)品和策略研究較少。但中小客戶(hù)群體數(shù)量多、社會(huì)影響面較廣，且經(jīng)常存在多用電類(lèi)別合用的情況，容易發(fā)生欠費(fèi)、安全用電、內(nèi)部廉政等多方面風(fēng)險(xiǎn)。本研究擬通過(guò)對(duì)中小客戶(hù)群體進(jìn)行客戶(hù)細(xì)分和營(yíng)銷(xiāo)策略研究工作，識(shí)別不同細(xì)分群體客戶(hù)特點(diǎn)，制定差異化、個(gè)性化營(yíng)銷(xiāo)策略。為今后孵化出針對(duì)中小客戶(hù)的服務(wù)、產(chǎn)品打下基礎(chǔ)，以解決目前中小客戶(hù)供電服務(wù)的模式化、粗放化，進(jìn)一步提升客戶(hù)滿意度、增加公司經(jīng)營(yíng)效益、降低公司經(jīng)營(yíng)風(fēng)險(xiǎn)。

關(guān)鍵詞：客戶(hù)細(xì)分;聚類(lèi)分析;差異化服務(wù)

中圖分類(lèi)號(hào)：F426.61 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）02-0150-02

0 引言

隨著“互聯(lián)網(wǎng)+”的深入發(fā)展，電力客戶(hù)差異化、個(gè)性化服務(wù)需求凸顯，為了能夠更好地、更有針對(duì)性地滿足客戶(hù)多元化的需求，亟待對(duì)客戶(hù)進(jìn)行有效分類(lèi)，為深入掌握客戶(hù)需求提供分析主體，據(jù)此制定的服務(wù)策略才能夠精準(zhǔn)地滿足不同客戶(hù)的用電服務(wù)需求，實(shí)現(xiàn)差異化與個(gè)性化服務(wù)。為更好的適應(yīng)當(dāng)前社會(huì)的發(fā)展，提升電力企業(yè)的服務(wù)水平，各個(gè)電力企業(yè)開(kāi)始提升自身的服務(wù)水平，并結(jié)合當(dāng)前的信息化技術(shù)，加強(qiáng)對(duì)客戶(hù)類(lèi)型的分類(lèi)，并挖掘其中的有效信息，進(jìn)而制定針對(duì)不同的客戶(hù)群體制定不同的營(yíng)銷(xiāo)政策。而通過(guò)這種方式，還可以為不同的客戶(hù)提供差異化的電力服務(wù)，最終提升電力企業(yè)客戶(hù)服務(wù)水平的提升。因此，在這種思想的指導(dǎo)下，很多電力企業(yè)開(kāi)始結(jié)合自身的實(shí)際情況，對(duì)不同的客戶(hù)進(jìn)行分類(lèi)。

1 客戶(hù)細(xì)分研究

1.1 客戶(hù)細(xì)分研究概述

客戶(hù)細(xì)分是由美國(guó)學(xué)者溫德?tīng)柺访芩梗?958年）提出的，指企業(yè)根據(jù)一定目的按照一定標(biāo)準(zhǔn)將現(xiàn)有客戶(hù)劃分為不同的客戶(hù)群。其目的在于使企業(yè)在有限資源的基礎(chǔ)上為客戶(hù)提供有針對(duì)性的產(chǎn)品、服務(wù)和銷(xiāo)售模式，滿足客戶(hù)異質(zhì)性需求，有效參與市場(chǎng)競(jìng)爭(zhēng)。目前國(guó)內(nèi)外對(duì)客戶(hù)細(xì)分的應(yīng)用基本上圍繞人口統(tǒng)計(jì)、生活方式、行為等方向展開(kāi)，細(xì)分的維度也更多地由單維轉(zhuǎn)向多維，研究工具除了傳統(tǒng)的統(tǒng)計(jì)分析方法，開(kāi)始大量采用數(shù)據(jù)挖掘技術(shù)、計(jì)算機(jī)人工智能技術(shù)，如決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等。國(guó)內(nèi)電網(wǎng)企業(yè)對(duì)客戶(hù)細(xì)分也開(kāi)展了大量的研究及應(yīng)用工作，如從客戶(hù)用電性質(zhì)、電壓等級(jí)、用電規(guī)模、信用等級(jí)等角度對(duì)電力客戶(hù)進(jìn)行分類(lèi)。

1.2 電力客戶(hù)細(xì)分研究

當(dāng)前，電力客戶(hù)分類(lèi)主要存在如下幾個(gè)方面的問(wèn)題：客戶(hù)細(xì)分維度單一，客戶(hù)細(xì)分應(yīng)用性較差等問(wèn)題。

客戶(hù)細(xì)分維度單一?，F(xiàn)有的客戶(hù)細(xì)分維度單一，僅依據(jù)合同容量、用電量等單一維度來(lái)劃定，存在一定的局限性，更沒(méi)有采用定性與定量相結(jié)合的方式進(jìn)行客戶(hù)細(xì)分。

客戶(hù)細(xì)分應(yīng)用性較差。電力公司目前現(xiàn)有客戶(hù)現(xiàn)場(chǎng)服務(wù)中僅電壓和行政區(qū)域細(xì)分常用，不能適應(yīng)競(jìng)爭(zhēng)性市場(chǎng)營(yíng)銷(xiāo)活動(dòng)的需要，未能指導(dǎo)員工進(jìn)行有效的市場(chǎng)營(yíng)銷(xiāo)活動(dòng)，可操作性較差，且內(nèi)容更新頻率慢，已不能滿足市場(chǎng)和電網(wǎng)企業(yè)員工需求。

對(duì)于本文中小客戶(hù)的細(xì)分研究，以企業(yè)自身目標(biāo)為出發(fā)點(diǎn)，對(duì)目標(biāo)進(jìn)行分解。以當(dāng)前中小商戶(hù)的用電行為導(dǎo)致的三大風(fēng)險(xiǎn)，即廉政風(fēng)險(xiǎn)、欠費(fèi)風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)為出發(fā)點(diǎn)，以降低風(fēng)險(xiǎn)為目標(biāo)，展開(kāi)多維度，多指標(biāo)的客戶(hù)細(xì)分工作。

以上圖1為例，借鑒三維法，以三維體系為基準(zhǔn)，構(gòu)建客戶(hù)細(xì)分模型。從企業(yè)目標(biāo)入手，建立基于企業(yè)目標(biāo)的客戶(hù)細(xì)分體系，克服傳統(tǒng)市場(chǎng)細(xì)分方法的缺點(diǎn)，構(gòu)建能夠有效幫助企業(yè)實(shí)現(xiàn)提升目標(biāo)的市場(chǎng)細(xì)分模型。

2 客戶(hù)細(xì)分模型構(gòu)建

2.1 K-means算法原理

本文結(jié)合相關(guān)的主要的分類(lèi)方法，提出基于K-means的客戶(hù)細(xì)分模型。K-means作為一個(gè)經(jīng)典的聚類(lèi)算法，該算法的原理是結(jié)合歐式距離定理對(duì)不同空間中的數(shù)據(jù)相似度進(jìn)行分析。其具體的過(guò)程：首先將需要聚類(lèi)的數(shù)據(jù)進(jìn)行劃分，根據(jù)K值分為K個(gè)不同的類(lèi)簇，然后在以某簇作為中心，就該簇與其他簇之間的距離進(jìn)行計(jì)算。將相似度較大的劃分為一類(lèi)，然后在對(duì)上述的數(shù)據(jù)進(jìn)行劃分，以此類(lèi)推。具體的數(shù)學(xué)描述為：

假設(shè)在Q維空間中，存在有限集X={x1，x2，…，xn}，采用隨機(jī)的方式將有限集分為k類(lèi)，表示為C1，C2，…，Ck，若類(lèi)中存在n個(gè)對(duì)象，那么第i類(lèi)聚類(lèi)中心可定義為Z1，Z2，…，Zk。定義其歐式距離公式：J=。

式（1）表示第j個(gè)文本到第i個(gè)聚類(lèi)中心的距離。

2.2 客戶(hù)細(xì)分模型構(gòu)建

結(jié)合K-means算法的原理，本文將本系統(tǒng)的客戶(hù)細(xì)分模型的步驟設(shè)計(jì)為如下：

（1）選擇客戶(hù)細(xì)分的變量。根據(jù)需要分類(lèi)的目標(biāo)和相關(guān)的實(shí)際數(shù)據(jù)，對(duì)細(xì)分的指標(biāo)進(jìn)行選取;（2）對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。對(duì)需要細(xì)分的電力客戶(hù)數(shù)據(jù)進(jìn)行進(jìn)行清洗、歸一化、轉(zhuǎn)換和缺失等處理;（3）采用K-means算法對(duì)客戶(hù)進(jìn)行分類(lèi)，并給出分類(lèi)的結(jié)果;（4）將結(jié)果通過(guò)圖形、表格等方式顯示出來(lái)。

3 基于K-means電力客戶(hù)細(xì)分

3.1 數(shù)據(jù)樣本預(yù)處理技術(shù)

對(duì)抽取的數(shù)據(jù)進(jìn)行初步整理，檢查數(shù)據(jù)是否存在變量的缺失值、未知值、無(wú)效值等異常情況，對(duì)于異常值情況采用直接刪除的方式或者按照數(shù)據(jù)分布的分位數(shù)比例進(jìn)行替代。如：在欠費(fèi)風(fēng)險(xiǎn)中，將月度平均用電量、月度平均電費(fèi)為空值（立戶(hù)日期為2018年9月1日以后的）;月度平均用電量、月度平均電費(fèi)為異常值（比如為零點(diǎn)幾）;年電量增長(zhǎng)率為異常值（主要為立戶(hù)日期2017年10月以后的）;運(yùn)行容量值為0;累計(jì)欠費(fèi)次數(shù)為0，實(shí)收違約金不為0，等相關(guān)樣本數(shù)據(jù)進(jìn)行剔除。

將剔除完的樣本數(shù)據(jù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化采用Z-score方式：Z=。

其中，x是原始數(shù)據(jù)，是全部數(shù)據(jù)的均值，σ為標(biāo)準(zhǔn)方差。將標(biāo)準(zhǔn)化后的樣本數(shù)據(jù)引入SPSS軟件，進(jìn)行樣本數(shù)據(jù)的K-means聚類(lèi)分析。

3.2 中小客戶(hù)細(xì)分結(jié)果